用于对数字全息图进行编码的方法、用于对数字全息图的组进行编码的方法和相关联的编码设备

    公开(公告)号:CN114787720B

    公开(公告)日:2024-07-30

    申请号:CN202080086293.3

    申请日:2020-12-03

    Abstract: 一种用于对数字全息图进行编码的方法,该数字全息图由分别与定义数字全息图的平面中的像素相关联的值表示,包括以下步骤:‑形成(E4)分别与由相邻像素组成的区域相关联的矩阵块(Bi,j),每个矩阵块(Bi,j)包含根据与所讨论的矩阵块(Bi,j)相关联的区域中的像素的值而确定的元素;‑对每个矩阵块(Bi,j)应用(E6)空间‑频率变换,以便这么针对每个矩阵块(Bi,j)产生分别系数的集合(Ci,j),该系数分别与所讨论的矩阵块(Bi,j)内的不同二维空间频率相对应;‑构造(E8)多个二维结构(Sp,q),每个结构包括来自多个系数集合(Ci,j)并且与满足依赖于所讨论的二维结构(Sp,q)的标准的二维空间频率相关联的系数;‑对已构造的二维结构(Sp,q)进行编码。还描述了用于对数字全息图的组进行编码的方法和编码设备。

    使用神经网络的视频解码
    2.
    发明公开

    公开(公告)号:CN116325740A

    公开(公告)日:2023-06-23

    申请号:CN202180050577.1

    申请日:2021-07-13

    Abstract: 一种数据流,包括指示符(IND)和表示视频或音频内容的数据(Fnn)。一种用于解码该数据流的方法,包括以下步骤:‑解码(E60)所述指示符(IND),以确定将用于解码所述代表性数据(Fnn)的人工神经网络是否被编码到所述数据流中还是形成人工神经网络的预定集合的一部分;‑借助于人工神经网络对代表性数据(Fnn)进行解码(E70)。如果通过解码指示符(IND)确定人工神经网络形成前述预定集合的一部分,则该方法包括解码(E62)神经网络的标识符(Inn)。还描述了相关联的解码设备和相关联的数据流。

    用于对图像进行转换的方法及对应的设备

    公开(公告)号:CN115023729A

    公开(公告)日:2022-09-06

    申请号:CN202080094509.0

    申请日:2020-12-18

    Abstract: 本发明涉及一种用于将包括由元素构成的输入亮度分量的输入图像转换成包括由元素构成的输出亮度分量的输出图像的方法,输出亮度分量值与输入亮度分量元素值的相应范围具有不同的范围扩展。方法包括:针对输入图像,计算表示至少两个输入亮度分量元素值的一般变量值;根据所计算的一般变量值,将各个输入亮度分量元素值变换成对应的输出亮度分量元素值;并且使用所确定的输出亮度分量元素值对输入图像进行转换。变换步骤使用被组织到2D查询表(2D LUT)中的一组预定的输出值,2D查询表包括将一组选定的输入亮度分量值和一组选定的一般变量值分别编入索引的两个输入阵列,每个预定的输出值与由编入索引的输入亮度分量值和编入索引的一般变量值构成的一对值匹配,使用至少一个预定的输出值将输入亮度分量元素值变换成输出亮度分量元素值。

    用于对数字全息图进行编码的方法、用于对数字全息图的组进行编码的方法和相关联的编码设备

    公开(公告)号:CN114787720A

    公开(公告)日:2022-07-22

    申请号:CN202080086293.3

    申请日:2020-12-03

    Abstract: 一种用于对数字全息图进行编码的方法,该数字全息图由分别与定义数字全息图的平面中的像素相关联的值表示,包括以下步骤:‑形成(E4)分别与由相邻像素组成的区域相关联的矩阵块(Bi,j),每个矩阵块(Bi,j)包含根据与所讨论的矩阵块(Bi,j)相关联的区域中的像素的值而确定的元素;‑对每个矩阵块(Bi,j)应用(E6)空间‑频率变换,以便这么针对每个矩阵块(Bi,j)产生分别系数的集合(Ci,j),该系数分别与所讨论的矩阵块(Bi,j)内的不同二维空间频率相对应;‑构造(E8)多个二维结构(Sp,q),每个结构包括来自多个系数集合(Ci,j)并且与满足依赖于所讨论的二维结构(Sp,q)的标准的二维空间频率相关联的系数;‑对已构造的二维结构(Sp,q)进行编码。还描述了用于对数字全息图的组进行编码的方法和编码设备。

Patent Agency Ranking